Gemeenten hoeven niet te wachten tot alle kennis over kunstmatige intelligentie in huis is, voordat ze ermee aan de slag gaan. Experimenteer ermee, adviseert Vince Doelman, Solution Consultant bij Avineon Tensing. Maar dan wel op een manier die past bij de verantwoordelijkheid van een overheid. “Aan de ene kant moeten de kaders duidelijk zijn. Aan de andere kant moet het kennisniveau omhoog en moet je het ook als medewerker van een gemeente gewoonweg gaan gebruiken.”

DMI-deelnemer Avineon Tensing is een IT- en consultancybureau dat gespecialiseerd is in geodata en geografische informatiesystemen. Vanuit die rol werkt het bedrijf veel voor gemeenten, provincies en andere overheden. “We helpen organisaties bedrijfsprocessen te professionaliseren. AI zorgt ervoor dat we sneller waarde kunnen creëren. Zo zetten we taalmodellen in om locatiedata uit pdf’s om te zetten naar geografische data en zo op de kaart te krijgen. Daarnaast gebruiken we AI in het verder brengen van digital twins. Dat door data te ontsluiten via AI met MCP.”

Alleen lezen en niet schrijven

MCP is het Model Context Protocol, een open protocol waarmee systemen aan AI-toepassingen kunnen worden gekoppeld. Met MCP kan een AI-systeem informatie ophalen uit andere systemen of modellen. Belangrijk is dat gemeenten daarbij precies kunnen bepalen wat een gebruiker met AI wel en niet mag doen. “Je kunt bijvoorbeeld afdwingen dat een systeem alleen mag lezen en niet schrijven. Dat maakt het waardevol.”

Doelman ziet dat de interesse in AI groot is, maar het gebruik in de praktijk vaak nog versnipperd. “Medewerkers proberen zelf Copilot, ChatGPT of andere AI-tools uit. Ze gebruiken die bijvoorbeeld om sneller te programmeren, analyses te maken of teksten te verbeteren. Maar een organisatiebrede aanpak ontbreekt veelal nog.”

Blijf niet steken in prompten

Een basistraining AI voor medewerkers kan volgens Doelman helpen, maar is volgens hem niet genoeg. “Veel trainingen blijven steken bij het verbeteren van prompten: hoe stel je een goede vraag aan een AI-systeem? Dat kan zeker nuttig zijn, maar de waarde van AI ligt ook en vooral in concrete toepassingen. Zeker in het domein van de fysieke leefomgeving. Daar is namelijk al veel data beschikbaar en zijn besluiten vaak afhankelijk van locatie, regels en beleid. Typische bouwstenen die je aan elkaar kunt koppelen met AI.”

Neem bijvoorbeeld de vergunningverlening. Bij een aanvraag moeten medewerkers nu vaak handmatig beleidsdocumenten van meerdere domeinen raadplegen, regels interpreteren en bekijken welke voorwaarden er gelden op een specifieke plaats. Terwijl veel bouwstenen voor een vergunningshulp al bestaan. Denk aan juridische regels die iedere gemeente heeft, het Digitaal Stelsel Omgevingswet en geografische datasets over gebouwen, groen, wegen en de omgeving. Doelman: “Je kunt al veel stappen die nu handmatig worden gezet, automatiseren. AI kan beleidsdocumentatie doorgronden en alvast aangeven: deze regels gelden hier.”

Dat betekent volgens hem nadrukkelijk niet dat je AI zelfstandig besluiten moet laten nemen. “Je wilt niet dat er automatisch beslissingen worden genomen. Er moeten altijd medewerkers bij betrokken zijn. Dat noemen ze wel the human in the loop.”

Ook bij digital twins kansen

Ook bij digital twins ziet Doelman kansen voor de toepassing van AI. Daarmee kunnen gemeenten scenario’s doorrekenen, bijvoorbeeld rond hevige regenval, hittestress of aanpassingen in de openbare ruimte. Doelman: “Nu staan veel modellen en toepassingen nog los van elkaar. AI kan helpen om die systemen beter te verbinden, zodat analyses sneller en dynamischer worden.”

“Voor gemeenten is het belangrijk dat AI pas bruikbaar is als antwoorden betrouwbaar, controleerbaar en herleidbaar zijn”, stelt Doelman. “Zeker bij besluiten die bewoners, bedrijven of de leefomgeving raken. Een ambtenaar moet ervan overtuigd zijn dat het antwoord dat gegeven wordt ook het antwoord is dat hij zelf na zijn eigen analyse zou hebben gegeven. Je moet daarom weten welke stappen het systeem heeft genomen om tot dat antwoord te komen.”

Bijvoorbeeld: Als de ene inwoner wel een dakkapel mag plaatsen en de andere niet, moet een gemeente kunnen uitleggen waarom. Volgens Doelman begint verantwoord gebruik dan ook met duidelijke afspraken. Doelman: “Welke platforms mogen medewerkers gebruiken? Welke data mag worden ingevoerd? Hoe wordt omgegaan met persoonsgegevens, datasoevereiniteit, traceerbaarheid en verantwoordelijkheid? En wie borgt dat binnen de organisatie?”

Gecontroleerd experimenteren

Maar dan terug naar het begin. Want Doelman waarschuwt tegelijkertijd voor te veel afwachten. De beste route is wat hem betreft die van gecontroleerd experimenteren. Bijvoorbeeld met concrete toepassingen in het geo-domein. En daarvoor is samenwerking nodig. Binnen gemeenten zelf, tussen beleidsafdelingen, juridische afdelingen, data-afdelingen en afdelingen die de informatievoorziening onder zich hebben. “Experimenteer ermee als organisatie”, zegt Doelman. “Maar wel binnen kaders, zodat je er veilig mee aan de slag kunt.”

“De wereld van AI is snel in ontwikkeling”, concludeert Doelman tot slot. “Om gemeenten de kansen van AI optimaal te laten benutten, is een nauwere samenwerking tussen gemeenten en marktpartijen van toegevoegde waarde. DMI kan hierin een rol spelen door gemeenten die met AI aan de slag willen te koppelen aan deelnemende organisaties die hier actief mee bezig zijn.”

sAmmie als voorbeeld: virtuele collega voor stikstofvragen

Een voorbeeld dat Doelman noemt, is sAmmie, een virtuele collega van de provincie Noord-Brabant die zich richt op stikstof. sAmmie ondersteunt beleidsmedewerkers bij het duiden van stikstofdata en het beantwoorden van vragen. Volgens Doelman is sAmmie een interessant voorbeeld. “Het laat zien dat AI niet abstract hoeft te blijven. Een goed afgebakende toepassing, gericht op een herkenbaar beleidsvraagstuk, helpt om medewerkers ervaring op te laten doen. Tegelijk maakt zo’n voorbeeld het gesprek over kaders, betrouwbaarheid en verantwoord gebruik concreter.”